字符过滤器

字符过滤器在分词之前处理文本，以便为进一步的分析做准备。

与对词元（单词或术语）进行操作的 Token 过滤器不同，字符过滤器在分词之前处理原始输入文本。它们对于清理或转换包含不需要字符（如 HTML 标签或特殊符号）的结构化文本特别有用。字符过滤器有助于剥离或替换这些元素，以便文本能够正确格式化以进行分析。

字符过滤器的用例包括

• HTML 剥离：html_strip 字符过滤器从内容中删除 HTML 标签，以便只索引纯文本。
• 模式替换：pattern_replace 字符过滤器替换或删除文本中不需要的字符或模式，例如，将连字符转换为空格。
• 自定义映射：mapping 字符过滤器将特定字符或序列替换为其他值，例如，将货币符号转换为其文本等价物。